/MUM

Metody uczenia maszynowego / Machine learning methods

Primary LanguageJupyter Notebook

Metody uczenia maszynowego

Laboratoria z Metod uczenia maszynowego na Politechnice Łódzkiej (PŁ). Więcej informacji o przedmiocie: karta przedmiotu

Machine learning methods classes at Lodz University of Technology (TUL), English version below

Zadanie 1

Zadanie polega na analizie procesu klasyfikacji danych za pomocą metod:

  1. Algorytm drzew decyzyjnych
  2. Naiwny klasyfikator Bayesa
  3. Maszyna wektorów nośnych
  4. Klasyfikator k-najbliższych sąsiadów
  5. Algorytm sztucznych sieci neuronowych

Zadanie 2

Zadanie polega na analizie procesu grupowania danych za pomocą wybranych metod:

  1. Algorytm EM
  2. Algorytm k-średnich
  3. Algorytm hierarchicznie aglomeracyjny
  4. Metoda gęstościowa DBSCAN
  5. Równoległy algorytm grupowania aglomeracyjnego (OPTICS)

Zadanie 3

Zadanie polega na ocenie jakości modeli klasyfikacyjnych oraz skupień za pomocą odpowiednich miar ewaluacyjnych:

  1. Wyznaczyć wartości w macierzy pomyłek oraz obliczyć wartości podstawowych metryk ewaluacyjnych: dokładność, precyzja, czułość, specyficzność dla każdego z modeli klasyfikacyjnych
  2. Wyznaczyć krzywe ROC dla wszystkich zaimplementowanych metod klasyfikacyjnych
  3. Wyznaczyć krzywe uczenia dla każdego z modeli klasyfikacyjnych
  4. Ocenić liczbę skupień zdefiniowaną za pomocą wybranych metod oraz jakość tak powstałych skupień za pomocą wybranych miar ewaluacyjnych wewnętrznych

Task 1

The task is to analyse a data classification process using methods:

  1. Decision trees algorithm
  2. Naive Bayes classifier
  3. Support-vector machine
  4. k-nearest neighbors algorithm
  5. Artificial neural network algorithm